图像检测方法、装置、设备及可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113673465A(43)申请公布日2021.11.19(21)申请号202110995202.4G06N3/08(2006.01)(22)申请日2021.08.27(71)申请人中国信息安全测评中心地址100085北京市海淀区上地西路8号院1号楼(72)发明人周欣王娜李连磊白云波程岩王立松(74)专利代理机构北京集佳知识产权代理有限公司11227代理人张柳(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书12页附图5页(54)发明名称图像检测方法、装置、设备及可读存储介质(57)摘要本申请实施例提供了一种图像检测方法、装置、设备及可读存储介质，获取人脸图像序列，人脸图像序列包括至少一张按照时序排列的人脸图像，获取每一人脸图像的一维频域特征向量，依据时序，将各个人脸图像的一维频域特征向量拼接得到频域特征矩阵，依据频域特征矩阵，获取人脸图像序列的图像检测结果，图像检测结果指示人脸图像序列是否经过篡改。由于，目标人脸图像即任意一个人脸图像的一维频域特征向量表征该目标人脸图像的频域特征，所以，通过将多个连续的人脸图像一维频域特征向量拼接后的频域特征矩阵，集合了人脸图像序列的频域特征以及时域特征，所以以频域特征矩阵为图像检测依据，能够提高检测结果的准确性。CN113673465ACN113673465A权利要求书1/2页1.一种图像检测方法，其特征在于，包括：获取人脸图像序列，所述人脸图像序列包括至少一张按照时序排列的人脸图像；获取每一所述人脸图像的一维频域特征向量，其中，目标人脸图像的一维频域特征向量表征所述目标人脸图像的频域特征，所述目标人脸图像为任意一个所述人脸图像；依据所述时序，将各个所述人脸图像的一维频域特征向量拼接得到频域特征矩阵；依据所述频域特征矩阵，获取所述人脸图像序列的图像检测结果，所述图像检测结果指示所述人脸图像序列是否经过篡改。2.根据权利要求1所述的方法，其特征在于，获取所述目标人脸图像的一维频域特征向量，包括：获取所述目标人脸图像的每一频域信号的频域参数，所述频域参数包括频率和幅值；获取多个频域信号集合，每一频域信号集合包括多个同频信号，其中，多个所述同频信号的频率相同；将每一所述频域信号集合中的所述多个同频信号的幅值进行预设数值处理，得到每一所述频域信号集合的幅值参数，所述预设数值处理包括求平均值和归一化；将各个所述频域信号集合的幅值参数按照频域序位排列，得到所述目标人脸图像的一维频域特征向量；所述频域序位通过对各个所述频域信号集合的频率从大到小排序得到。3.根据权利要求2所述的方法，其特征在于，所述获取所述目标人脸图像的每一所述频域信号的频域参数，包括：将所述目标人脸图像进行预设空频变换，得到所述目标人脸图像的频谱图像以及空域对应关系，所述空域对应关系包括各个第一像素点和各个所述频域信号的对应关系，所述第一像素点为所述频谱图像中的像素点，所述预设空频变换包括傅里叶变换；依据所述频谱图像中各个所述第一像素点的空域参数以及所述空域对应关系，获取每一所述频域信号的频域参数，所述空域参数包括坐标值以及灰度值。4.根据权利要求3所述的方法，其特征在于，所述预设空频变换还包括频率中心化和/或高通滤波。5.根据权利要求1所述的方法，其特征在于，所述依据所述频域特征矩阵，获取所述人脸图像序列的图像检测结果，包括：将所述频域特征矩阵输入至预设的预测模型，得到所述预测模型的预测结果，作为图像检测结果；其中，所述预测模型由神经网络模型，以预设样本图像序列的频域特征矩阵作为输入数据，以所述预设样本图像序列的标签作为目标输出训练得到，所述标签指示所述预设样本图像序列是否经过篡改。6.根据权利要求5所述的方法，其特征在于，所述神经网络模型包括依次首尾相连的多个循环网络模块，每一所述循环网络模块包括循环网络层和第一加法器，所述循环网络层用于输出所述循环网络层的输入数据的序列化特征，所述第一加法器用于对所述循环网络层的输入数据和输出数据进行加法运算，并将加法运算结果作为所述循环网络模块的输出数据输出。7.根据权利要求6所述的方法，其特征在于，所述循环网络层包括依次首尾相连的多个记忆单元；2CN113673465A权利要求书2/2页每一所述记忆单元包括长短期记忆网络、ReLU层和第二加法器，所述ReLU层用于对所述长短期记忆网络的输出数据进行Relu函数运算，所述第二加法器用于对所述长短期记忆网络的输入数据和所述ReLU的输出数据进行加法运算，并将加法运算结果作为所述记忆单元的输出数据输出。8.一种图像检测装置，其特征在于，包括：图像